بررسی تأثیر Bagging بر دقت پیش‌بینی مدل‏های پیش بینی مضیقه مالی شرکت ها به تفکیک صنایع و مقایسه توانمندی آن با مدل‏های درخت تصمیم و بیز

محورهای موضوعی : مهندسی مالی

زهره عارف منش ¹ ( استادیار گروه حسابداری و مالی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایران. )
وحید زارع مهرجردی ² ( کارشناس ارشد حسابداری، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایران )
علیرضا محمدی ندوشن ³ ( مربی گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه ولی عصر(عج) رفسنجان، رفسنجان، ایران. )

تاریخ دریافت : 1396/11/23 تاریخ پذیرش : 1397/04/01 تاریخ انتشار : 1397/10/01

کلید واژه: پیش‏بینی مضیقه مالی, مدل Bagging, مدل بیز, مدل درخت تصمیم,

چکیده مقاله :

هدف اصلی این پژوهش طراحی مدلی جهت پیش بینی مضیقه مالی شرکت های صنعت فلزات اساسی، کانی های غیرفلزی و ماشین آلات و تجهیزات با استفاده از مدل Bagging می باشد. همچنین سعی می گردد توانمندی این مدل از لحاظ دقت پیش بینی با مدل های پیشی بینی درخت تصمیم و بیز نیز مقایسه گردد. جامعه آماری این پژوهش را کلیه شرکت های هر یک از این صنایع تشکیل می دهد. معیار بکارگرفته شده برای تعیین مضیقه مالی شرکت ها، ماده 141 قانون تجارت ایران می باشد و قلمرو زمانی پژوهش را سال های 1380 تا 1395 تشکیل می دهد. در این پژوهش ابتدا عملکرد هر یک از این دو مدل طراحی شده (Bagging و مدل پایه آن) بر حسب هر صنعت مقایسه گردید. نتایج این مقایسه نشان داد که به طور متوسط برای هر یک از این صنایع، مدل Bagging دارای دقت پیش بینی بالاتری نسبت به مدل پایه آن یعنی درخت تصمیم و بیز است. علاوه بر این با عنایت به نتایج بدست آمده حاصل از اجرای این مدل ها برای هر یک از این صنایع، می توان چنین نتیجه گیری کرد که هریک از مدل های Bagging، درخت تصمیم و بیز روش مناسبی برای پیش بینی مضیقه مالی شرکت های این صنایع می باشند.

چکیده انگلیسی:

The main objective of this study is to design corporate financial distress prediction models for the following three industries basic metals, non-metallic minerals and machinery and equipment, using the bagging model. Moreover, the prediction accuracies of the designed models are compared to the bayes and decision tree models. Aimed Statistical population of this research includes all the corporations of each of the industries. The financial distress criterion employed in this research is the criteria of article 141 in commercial code and the timeline of the research is from 2001 to 2016. The results shows that, comparing to the base models (i.e. decision tree and bayes), the bagging model has a better prediction accuracy average. Moreover, based on the obtained results, it can be concluded that the bagging, decision tree and bayes models are qualified models for the corporate bankruptcy prediction